乳房切除术后慢性疼痛:胸神经与竖脊肌平面阻滞对比
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后疼痛管理,比较胸神经(PECS I-II)阻滞与竖脊肌平面(ESP)阻滞在乳房切除术后慢性疼痛方面的差异

基本信息
资源简介
乳房切除术后慢性疼痛:胸神经与竖脊肌平面阻滞对比
该数据集来自 clinicaltrials.gov,聚焦乳腺癌术后疼痛管理,比较胸神经(PECS I-II)阻滞与竖脊肌平面(ESP)阻滞在乳房切除术后慢性疼痛方面的差异。覆盖乳腺癌手术、术后急性与慢性疼痛、乳房切除术后疼痛综合征、区域麻醉及神经病理性疼痛等主题,涉及 PECS 与 ESP 两种阻滞技术。数据可用于术后疼痛相关研究、麻醉方式效果比较及慢性疼痛风险分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:乳腺癌手术、术后急性疼痛、术后慢性疼痛、乳房切除术后疼痛综合征、区域麻醉、胸神经(PECS)阻滞、竖脊肌平面阻滞、神经病理性疼痛。尽管乳腺癌治疗取得进展,慢性术后疼痛——即乳房切除术后疼痛综合征(PMPS)——仍是常见并发症,报告发生率在40-50%之间。它通常为神经病理性,与腋窝淋巴结清扫、放疗及术后急性疼痛程度高等因素相关。年轻患者风险更高,早期神经病理性症状可能预示长期疼痛。区域麻醉技术,包括PECS和竖脊肌平面(ESP)阻滞,被广泛用于改善围手术期疼痛控制并可能降低慢性疼痛发生率。这些技术被认为有效且
【主题与分类】
主题标签:Breast Cancer Surgery、Postoperative Pain, Acute、Postoperative Pain, Chronic、Post-mastectomy Pain Syndrome、Regional Anesthesia、Pectoral Nerve (PECS) Block、Erector Spine Plane Block、Neuropathic Pain、Mastectomy、Quality of Life (QOL)。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06900842
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06900842
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:乳腺癌手术、术后急性疼痛、术后慢性疼痛、乳房切除术后疼痛综合征、区域麻醉、胸神经(PECS)阻滞、竖脊肌平面阻滞、神经病理性疼痛。尽管乳腺癌治疗取得了进展,术后慢性疼痛——即乳房切除术后疼痛综合征(PMPS)——仍是一种常见并发症,报告发生率在40-50%之间。其性质通常为神经病理性,并与腋窝淋巴结清扫、放疗以及术后急性疼痛程度高等因素相关。年轻患者风险更高,早期神经病理性症状可能预示长期疼痛。区域麻醉技术,包括PECS阻滞和竖脊肌平面(ESP)阻滞,被广泛用于改善围手术期疼痛控制,并可能降低慢性疼痛的发生率。这些技术被认为是全身麻醉有效且低风险的辅助手段。本前瞻性观察性研究比较PECS I-II阻滞与ESP阻滞对接受改良根治性乳房切除术(MRM)患者慢性疼痛发生的影响。主要结局是术后3个月疼痛的发生率(NRS ≥1)。
次要结局包括急性疼痛评分、术中芬太尼使用量、术后吗啡需求量及首次镇痛时间。该研究还探讨慢性疼痛与淋巴结清扫、放疗等变量之间的关联。研究结果旨在为临床实践选择既能提供即时又能提供长期疼痛缓解的区域麻醉技术提供指导。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




